论文部分内容阅读
                            
                            
                                由于现场施工人员不佩戴安全帽的情况时有发生,导致产生很多威胁人身安全的问题,为了解决由于不佩戴安全帽所引发的安全问题,实验尝试把目标识别技术应用到建筑安全领域,提出了一种基于目标算法-YOLOV3(约洛)安全帽检测方法。在此基础之上,采用DenseNet(密集卷积网络)方法处理低分辨率的特征层,在保持特征提取充足的同时降低了计算复杂度,从而提高了算法的检测和收敛性能。并使用K-means(k均值)聚类算法对数据集中的目标边框重新进行聚类,通过自制的增强型安全帽数据集进行训练,得到改进的YOLOV3模